modelcontextprotocol

GitHub
2.1k 291 简单 1 次阅读 3天前MIT语言模型插件
AI 解读 由 AI 自动生成,仅供参考

modelcontextprotocol 是 Perplexity API 平台推出的官方 MCP(模型上下文协议)服务器实现,旨在为 AI 助手赋予强大的实时联网搜索、逻辑推理及深度研究能力。通过集成先进的 Sonar 系列模型与搜索 API,它让本地运行的 AI 客户端能够直接访问最新、最准确的网络信息,有效解决了传统大语言模型因训练数据截止而无法获取实时资讯,以及在处理复杂事实核查时容易产生“幻觉”的痛点。

该工具提供了四种核心功能模块:perplexity_search 用于快速获取带元数据的 ranked 搜索结果;perplexity_ask 适合日常问答与即时信息查询;perplexity_research 依托 sonar-deep-research 模型进行详尽的深度分析与报告生成;而 perplexity_reason 则利用 sonar-reasoning-pro 模型处理高难度的逻辑推理与分析任务。此外,它还支持通过 strip_thinking 参数优化上下文令牌消耗,提升运行效率。

modelcontextprotocol 主要面向开发者、研究人员以及重度依赖 AI 辅助工作的专业人士。无论是需要编写代码时查询最新技术文档的程序员,还是需要进行文献综述与数据分析的研究者,都能从中受益。它完美兼容 Cursor、VS Code、Claude Desktop、Windsurf 等主流 AI 开发环境与客户端,配置简便,只需填入 API Key 即可一键启用。对于希望将实时网络智能无缝融入本地工作流的用户而言,这是一个高效且专业的连接桥梁。

使用场景

一位全栈开发者正在为初创公司开发一款基于最新市场趋势的竞品分析仪表盘,需要快速整合实时的行业数据、技术文档和竞争对手动态,以生成一份详尽的技术选型报告。

没有 modelcontextprotocol 时

  • 信息滞后与割裂:开发者需手动在浏览器中搜索最新的技术博客、GitHub 仓库和新闻,再复制粘贴到对话窗口,导致上下文断裂,AI 无法获取实时信息。
  • 研究深度不足:面对复杂的技术对比(如不同向量数据库的性能基准),通用 AI 模型往往依赖训练数据,缺乏对最新发布文档的深度挖掘能力,容易给出过时建议。
  • 工作流频繁中断:为了验证一个 API 的最新参数或错误代码,开发者必须反复切换标签页,手动查阅官方文档,严重打断编码心流,降低开发效率。
  • 推理过程不透明:在处理复杂逻辑问题时,难以看到 AI 的思考路径,一旦结果有误,排查困难,且无法通过结构化标签优化 Token 消耗。

使用 modelcontextprotocol 后

  • 实时数据无缝接入:通过 perplexity_search 工具,AI 助手直接在 IDE 内调用 Perplexity Search API,获取排名靠前的实时搜索结果,确保引用的数据和新闻均为最新。
  • 深度研究自动化:利用 perplexity_research 功能,AI 能基于 sonar-deep-research 模型自动深入挖掘多篇技术文档,生成包含详细来源的综合分析报告,大幅提升决策质量。
  • 编码与研究一体化:在 Cursor 或 VS Code 中直接配置后,开发者无需离开编辑器即可通过 perplexity_ask 询问即时问题,实现“边写代码边查证”的流畅体验。
  • 高效推理与成本控制:使用 perplexity_reason 进行复杂逻辑推导,并可通过 strip_thinking 参数移除中间思考标签,既保留了高级推理能力,又有效节省了 Context Token。

modelcontextprotocol 将实时网络搜索与深度推理能力原生集成至开发环境,彻底消除了信息检索与代码编写之间的壁垒,显著提升了研发决策的准确性与效率。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具是一个基于 Node.js 的 MCP 服务器,主要通过 npx 运行,无需本地 GPU 或 Python 环境。必须配置 PERPLEXITY_API_KEY 环境变量才能使用。支持通过 Docker 或 Node.js 以 HTTP 模式部署。若在公司代理网络下使用,需配置 PERPLEXITY_PROXY、HTTPS_PROXY 或 HTTP_PROXY 环境变量。
python未说明
npx (Node.js package runner)
@perplexity-ai/mcp-server
modelcontextprotocol hero image

快速开始

Perplexity API 平台 MCP 服务器

在 Cursor 中安装   在 VS Code 中安装   npm 版本

Perplexity API 平台的官方 MCP 服务器实现,通过 Sonar 模型和 Search API 为 AI 助手提供实时网络搜索、推理和研究能力。

可用工具

perplexity_search

使用 Perplexity Search API 进行直接网络搜索。返回带有元数据的排名搜索结果,非常适合查找最新信息。

perplexity_ask

使用 sonar-pro 模型进行通用对话式 AI,并结合实时网络搜索。非常适合快速问答和日常查询。

perplexity_research

使用 sonar-deep-research 模型进行深入、全面的研究。非常适合详尽分析和详细报告。

perplexity_reason

使用 sonar-reasoning-pro 模型进行高级推理和问题解决。非常适合复杂的分析任务。

[!提示] perplexity_reasonperplexity_research 的可选参数:strip_thinking

设置为 true 可移除响应中的 <think>...</think> 标签,从而节省上下文 token。默认值:false

配置

获取您的 API 密钥

  1. API 门户 获取您的 Perplexity API 密钥。
  2. 将下方配置中的 your_key_here 替换为您自己的 API 密钥。
  3. (可选)设置超时时间:PERPLEXITY_TIMEOUT_MS=600000(默认 5 分钟)。
  4. (可选)设置自定义基础 URL:PERPLEXITY_BASE_URL=https://your-custom-url.com(默认 https://api.perplexity.ai)。
  5. (可选)设置日志级别:PERPLEXITY_LOG_LEVEL=DEBUG|INFO|WARN|ERROR(默认 ERROR)。

Claude 代码

claude mcp add perplexity --env PERPLEXITY_API_KEY="your_key_here" -- npx -y @perplexity-ai/mcp-server

或者通过插件安装:

export PERPLEXITY_API_KEY="your_key_here"
claude
# 然后运行:/plugin marketplace add perplexityai/modelcontextprotocol
# 然后运行:/plugin install perplexity

Cursor、Claude Desktop 和 Windsurf

我们建议使用本 README 顶部的一键安装按钮来为 Cursor 安装。

对于手动设置,所有这些客户端都使用相同的 mcpServers 格式:

客户端 配置文件
Cursor ~/.cursor/mcp.json
Claude Desktop claude_desktop_config.json
Windsurf ~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "perplexity": {
      "command": "npx",
      "args": ["-y", "@perplexity-ai/mcp-server"],
      "env": {
        "PERPLEXITY_API_KEY": "your_key_here"
      }
    }
  }
}

VS Code

我们建议使用本 README 顶部的一键安装按钮来为 VS Code 安装,或者手动添加到 .vscode/mcp.json

{
  "servers": {
    "perplexity": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@perplexity-ai/mcp-server"],
      "env": {
        "PERPLEXITY_API_KEY": "your_key_here"
      }
    }
  }
}

Codex

codex mcp add perplexity --env PERPLEXITY_API_KEY="your_key_here" -- npx -y @perplexity-ai/mcp-server

其他 MCP 客户端

大多数客户端都可以手动配置以在其配置文件中使用 mcpServers 包装器(如 Cursor)。如果您的客户端无法正常工作,请查阅其文档以获取正确的包装器格式。

代理设置(适用于企业网络)

如果您在公司内部运行此服务器——尤其是在公司防火墙或代理之后——您可能需要告知程序如何通过您网络的代理发送互联网流量。请按照以下步骤操作:

1. 获取您的代理详细信息

  • 向 IT 部门索取 HTTPS 代理地址和端口。
  • 您可能还需要用户名和密码。

2. 设置代理环境变量

对于 Perplexity MCP 来说,最简单可靠的方式是使用 PERPLEXITY_PROXY。例如:

export PERPLEXITY_PROXY=https://your-proxy-host:8080

如果您的代理需要用户名和密码,则使用:

export PERPLEXITY_PROXY=https://username:password@your-proxy-host:8080

3. 备选方案:标准环境变量

如果您更倾向于使用标准变量,我们支持 HTTPS_PROXYHTTP_PROXY

[!注意] 服务器会按以下顺序检查代理设置:PERPLEXITY_PROXYHTTPS_PROXYHTTP_PROXY。如果均未设置,则直接连接到互联网。 URL 必须包含 https://。常见端口为 8080312880

HTTP 服务器部署

对于云或共享部署,以 HTTP 模式运行服务器。

环境变量

变量 描述 默认值
PERPLEXITY_API_KEY 您的 Perplexity API 密钥 必填
PERPLEXITY_BASE_URL 自定义 API 请求基础 URL https://api.perplexity.ai
PORT HTTP 服务器端口 8080
BIND_ADDRESS 绑定的网络接口 0.0.0.0
ALLOWED_ORIGINS CORS 域名(逗号分隔) *

Docker

docker build -t perplexity-mcp-server .
docker run -p 8080:8080 -e PERPLEXITY_API_KEY=your_key_here perplexity-mcp-server

Node.js

export PERPLEXITY_API_KEY=your_key_here
npm install && npm run build && npm run start:http

服务器将可通过 http://localhost:8080/mcp 访问。

故障排除

  • API 密钥问题:确保 PERPLEXITY_API_KEY 设置正确。
  • 连接错误:检查您的互联网连接和 API 密钥的有效性。
  • 找不到工具:确保已安装软件包且命令路径正确。
  • 超时错误:对于非常耗时的研究查询,可将 PERPLEXITY_TIMEOUT_MS 设置为更高值。
  • 代理问题:验证您的 PERPLEXITY_PROXYHTTPS_PROXY 设置,并确保 api.perplexity.ai 未被您的防火墙阻止。
  • EOF / 初始化错误:某些严格的 MCP 客户端会因 npx 将安装消息写入 stdout 而失败。请使用 npx -yq 代替 npx -y 来抑制此输出。

如需支持,请访问 community.perplexity.ai提交问题


常见问题

相似工具推荐

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架

PaddleOCR

PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。

74.9k|★★★☆☆|今天
语言模型图像开发框架

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

70.6k|★★★☆☆|今天
语言模型Agent开发框架